نظام آلي لتقييم القروض

💼 نظام تقييم القروض الآلي 💰

تعالج المؤسسات المالية الحديثة آلاف طلبات القروض يومياً.
لاتخاذ قرارات سريعة وصحيحة حول من هو مؤهل، تستخدم البنوك أنظمة آلية
مبنية على نماذج المخاطر.

مثل هذا النظام سيتم بناؤه من قبلك. لقد حصلت على إمكانية الوصول إلى مجموعة
واقعية من البيانات مع طلبات الائتمان، مع تاريخ الموافقة عليها.
هدفك هو تطوير نموذج يمكنه تقييم الطلبات الجديدة المرسلة
من العملاء.

تم توفير ملفين لك:

• train.csv - الطلبات التاريخية مع القرار النهائي (loan_status)
• test.csv - طلبات جديدة، لا نملك قراراً مرتبطاً بها

الهدف الرئيسي: التنبؤ بالاحتمالية التي يمكننا على أساسها تصنيف كل طلب كموافق عليه أو مرفوض (احتمالية بين 0 و 1، حيث 0 يعني أن القرض لن يُمنح بالتأكيد و 1 يعني أن القرض سيُمنح بالتأكيد).

📊 مجموعة البيانات

كل سجل يمثل طلب قرض، مع معلومات ديموغرافية،
مالية، سلوكية وتفاصيل حول نوع الائتمان المطلوب.

الخصائص الرئيسية:

• customer_id - معرف فريد
• age, occupation_status, years_employed
• annual_income, credit_score, credit_history_years
• savings_assets, current_debt
• defaults_on_file, delinquencies_last_2yrs, derogatory_marks
• product_type, loan_intent, loan_amount, interest_rate
• debt_to_income_ratio, loan_to_income_ratio, payment_to_income_ratio
• loan_status - فقط في train.csv، التسمية المراد التنبؤ بها

الهدف النهائي هو التنبؤ بـ loan_status للصفوف في test.csv.

📝 المهام

المهام الفرعية الثلاث الأولى تتحقق من فهم هيكل مجموعة البيانات.
المهمة الفرعية الأخيرة تقيم نموذج التصنيف.

المهمة الفرعية 1 (10 نقاط)

صنف كل مقدم طلب من مجموعة الاختبار حسب العمر:

• Young إذا كان age < 30
• Adult إذا كان 30 ≤ age < 60
• Senior إذا كان age ≥ 60

المهمة الفرعية 2 (15 نقطة)

حدد مستوى المخاطر بناءً على debt_to_income_ratio:

• LowRisk إذا كان DTI < 20
• MediumRisk إذا كان 20 ≤ DTI < 40
• HighRisk إذا كان DTI ≥ 40

المهمة الفرعية 3 (15 نقطة)

لكل صف في الاختبار، احسب:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

أرجع رقماً صحيحاً.

المهمة الفرعية 4 (60 نقطة)

ابن نموذج تصنيف يتنبأ بـ loan_status (احتمالية p من [0,1]) لكل صف في الاختبار.

التقييم يتم باستخدام AUC (Area Under the ROC Curve).

🧮 التقييم

• AUC ≥ 0.95 → 60 نقطة
• AUC ≤ 0.80 → 0 نقطة
• الفترة بينهما: نقاط متناسبة

المهام الفرعية 1–3 تُقيم بدقة (بالمقارنة).

📄 تنسيق ملف التسليم

يجب أن يحتوي ملف submission.csv على 4 أسطر لكل صف في الاختبار،
مقابلة للمهام الفرعية الأربع.

الهيكل:

1subtaskID datapointID answer

حيث:

• subtaskID - 1, 2, 3 أو 4
• datapointID - قيمة customer_id
• answer - يمكن أن تكون إحدى القيم التالية (حسب المهمة):
  • المهمة الفرعية 1: Young / Adult / Senior
  • المهمة الفرعية 2: LowRisk / MediumRisk / HighRisk
  • المهمة الفرعية 3: رقم صحيح
  • المهمة الفرعية 4: احتمالية أن loan_status = 1 (رقم حقيقي 0–1)

مثال لـ customer_id = 9071:

1subtaskID datapointID answer21 9071 Adult32 9071 MediumRisk43 9071 1254 9071 0.742

نجاح في تطوير نظام التقييم الآلي للقروض!

📊 مقياس التقييم: ROC AUC 📈

بالنسبة لـ المهمة الفرعية 4، يتم التقييم باستخدام ROC AUC (Area Under the ROC Curve).
هذا مقياس واحد يلخص أداء المصنف لجميع عتبات القرار الممكنة.

كيف يُحسب ROC AUC؟

1. يتم رسم منحنى ROC، الذي يمثل:
   • TPR (True Positive Rate) - معدل الموافقة الصحيحة على الطلبات الموافق عليها
   • FPR (False Positive Rate) - معدل الطلبات المرفوضة الموافق عليها خطأً

2. المساحة تحت المنحنى (AUC) تُحسب باستخدام قاعدة شبه المنحرف:
   • يتم تقسيم المنحنى إلى أشكال شبه منحرف باستخدام الخطوط العمودية عند قيم FPR والخطوط الأفقية عند قيم TPR
   • تُجمع مساحات أشكال شبه المنحرف للحصول على القيمة النهائية لـ AUC

3. تفسير النتيجة:
   • ROC AUC = 1 🏆 → مصنف مثالي، جميع الطلبات مصنفة بشكل صحيح
   • ROC AUC = 0.5 🎲 → مصنف عشوائي، بدون قوة تنبؤية
   • 0.5 < ROC AUC < 1 📈 → مدى جودة فصل المصنف للفئات